從麥肯錫的4P象限看，人工智慧可以做什麼？|數位時代 BusinessNext

人工智慧蔚為風潮，突然間大家倡談人工智慧，這風氣來得快，希望不會也去得快。和許多流行過的技術詞彙一樣，大家都知道這些詞彙，琅琅上口，但要知其然且知其所以然就不容易了。因此，對人工智慧可以做什麼，眾人想像不同，差異很大。

有些人覺得人工智慧不就是三十年前流行的類神經網路，哪有什麼可研究之處？有些人科幻新聞看得多，害怕人工智慧會監視群眾或取代自己的工作，自己嚇自己，但最多的人希望人工智慧可以幫助自己的工作及業務，但不知從何下手。

因此，今天我們來談談人工智慧可以拿來做什麼？

人工智慧的應用何其多，與其說它可以幫忙做什麼，倒不如說什麼事情是人工智慧無法幫忙的，可能更容易些。

麥肯錫的4P象限是什麼？

麥肯錫（McKinsey & Company）報告「人工智慧－下一波數位浪潮？」提出四個P象限描述人工智慧在各產業的應用，十分有意思，本文就以此框架看人工智慧的應用場域。

四個P象限分別為Project（規劃）、Produce（生產）、Promote（行銷）及 Provide （提供）。

Project象限包含更精準的規劃及預測；Produce象限談更高效率及品質的生產流程；Promote 象限看的是如何在對的時間以對的價格，把產品或服務銷售給對的人；而Provide象限定義如何提升客戶的滿意度，實現業務的長遠性。以下我們分別以規劃、生產、行銷及提供面指涉這四個象限。

導入人工智慧應用要有全局觀，不人云亦云

筆者舉四個產業說明人工智慧在這四個象限適合拿來做什麼，以幫助產業升級。

4P象限分析可適用於所有產業。文章長度有限，無法窮舉所有產業也沒有空間剖析每種應用優缺點。

這類分析主要幫助我們導入人工智慧應用時要有全局觀，不人云亦云，看到同業導入什麼就跟著導入。

因為每家公司的狀況、資源與瓶頸皆不同，照抄別人的人工智慧應用，A公司可能很受用，B公司可能完全無感，因為改善的點並沒有在原本的瓶頸路徑上。

所以建議公司在考慮導入人工智慧應用時，至少依此框架全盤分析後再切入，不要看到是技術問題就埋頭解決。在資源有限的前提下，全盤考慮每個問題的機會成本及效益，才能讓所作所為發揮最大效益。

人類的智慧不會憑空出現，人工智慧當然也是。若已鎖定一個場域及應用，下一件工作就是技術的導入或開發。

零售：即時客服在某些國家已是進行式

以零售業為例，人工智慧在規劃面可預測市場對特定產品類型的需求、自動化與供應商的價格協商等；在生產面則是智慧倉儲管理、商品管理與店面動線最佳化與擺設設計；在行銷面，人工智慧可輔助訂價最佳化與個人化行銷；在提供面，個人化購物提醒與即時的（虛擬）客服在某些國家已經是進行式。

健康醫療：個人化醫學／治療是最擁擠的新創公司領域之一

以健康／醫療產業為例，人工智慧在規劃面可輔助預測國民健康與特定疾病或傳染病狀況、規劃預防性措拖，減少發病或就診率；在生產面，人工智慧可搭配各式各樣的感測器全面監測高風險族群，在醫院或居家的健康狀況，以做適時處理；在行銷面，可進行個人化行銷提升健康意識、輔助健康飲食管理；提供面，可做個人即時身體檢查。

而個人化醫學／治療則是最擁擠的人工智慧新創公司領域之一，已有許多案例證明深度學習可即時做出比擬醫師準確度的診斷。

金融：金融市場預測是目光焦點

金融業是對資料敏感也捨得投資的產業，因此人工技術應用發展速度快些很正常，不過起跑快與能不能做得深是兩回事。

在規劃面，金融市場預測是目光焦點，很多人學機器學習是為了理財，不過這主題有難度及挑戰性。利用人工智慧大幅度改善傳統放款與借款審核與信用卡盜刷偵測，也有一定的價值。

在生產面，常被忽略的是人工智慧可以組合出績效更好的金融商品，以及切中使用者需求的個人金融商品，信用卡就是很好的例子。在行銷面，行銷策略設計及配置，是個人化行銷外的有效人工智慧應用。

最後，從提供面來說，雖然目前利用人工智慧進行自然語言處理仍然不足，但以人工智慧擔任理財及客服專員，照顧非VIP客戶已成趨勢；客戶流失預測是傳統的題目，但人工智慧技術的導入可帶來不小幫助。

製造：瑕疵檢測、生產設備參數自動調校、生產設備排程等是人工智慧擅長領域

製造業是個人認為人工智慧在台灣最有潛力發展的產業領域之一。

因為資料獨特，不易被國外科技大廠壟斷，而且因為產值大，技術升級的效益也顯著。

在規劃面，人工智慧可應用在預測市場對特定產品類型的需求與原料採購程序自動化。

生產面是人工智慧的擅長領域，在瑕疵檢測、生產設備參數自動調校、生產設備排程等，可見人工智慧帶來的實質效益。在行銷面，新市場開發預測是一個可能應用。在提供面上，貨物送交路線、時間排程、退貨與抱怨資料分析回饋至生產階段的改善等，都是人工智慧的可能切入點。

台灣人工智慧人才稀少可能快變成國安等級的問題，我們也極力解決中。有興趣成為人工智慧科學家／工程師的朋友們，除了參與MOOC平台的機器學習與深度學習課程，也歡迎關注第一屆的台灣人工智慧年會暨第四屆台灣資料科學年會。

筆者的目的不是要給大家跟上潮流的安慰，而是深耕實質的本土技術。期待台灣在全球人工智慧技術洪流中不落人後，有機會佔有一席之地。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

數據驅動體驗升級！全台唯一上櫃電商「美而快」如何打造成長引擎

PAZZO 母公司美而快集團導入直通國際 CDP，整合行銷、會員與門市數據，提升分眾行銷效率與回購率，成功打造線上線下整合的數據營運模式。

流量為王的時代過去，顧客經營必須深化

「這幾年電商獲客成本增加很多，品牌若無法將流量轉為有效會員，很快會失去競爭力。」美而快總經理王志仁指出，在數位廣告成本飆升、新客轉換日益困難的趨勢下，「私域經營」就成了品牌必修課；依賴流量已不夠，如何讓顧客留下、回購、持續互動更是關鍵。

為了深化會員經營，美而快團隊開始深入分析會員行為，區分出長期未購、已回訪未結帳、潛在高價值等類型客群，再依據行為進行對應溝通與內容推播。然而，分眾管理極為繁瑣，需仰賴大量人力與反覆操作，「每天都得手動撈資料、打包受眾、分眾投遞。」王志仁直言，這是一項曠日費時、卻無法逃避的任務。

對此，美而快選擇導入直通國際的客戶數據平台 CDP，以系統思維出發，打造可長期營運、可擴張、可迭代的顧客管理模式。

對美而快而言，導入 CDP 後最直觀的改變就是「效率」。例如：過去每日需手動處理的「180 天未購會員」分眾任務，現在可藉由自動化流程完成，釋放行銷人力，專注策略性規劃。同時，團隊也開始盤點冗餘的 LINE OA 投遞對象，刪除一年以上無回應的 LINE 會員，反而讓開封率與點擊率雙雙提升，ROAS 更一舉翻倍。

打通線上、線下任督二脈，CDP 為 OMO 鋪路

當 CDP 不再只是行銷工具，而是轉變為驅動企業營運的中樞系統，其價值即體現在資料整合、流程優化與策略制定的全面提升。美而快導入直通國際 CDP 後，另一個有感的突破就是線上、線下數據的打通，成功串聯集團旗下多元品牌通路，重構消費者旅程。

以 2023 年底開幕的 UR Living 實體門市為契機，美而快同步推動 App 積點與會員綁定機制，鼓勵實體顧客登入線上會員系統；同時，透過 CDP 將線下交易資料完整回收，不只實現會員輪廓識別，也為 OMO 策略奠定基礎。這套整合機制迅速展現成效——以主力品牌 PAZZO 為例，實體店開幕後，線上會員與營收成長 25%，其中近半新客來自實體通路。

「線下其實是很有效的新客來源，像 PAZZO 的新會員裡，有一半都是從線下來的，」總經理王志仁分享，若從會員結構觀察，不同品牌在線上、線下的表現其實有所差異，例如 PAZZO 線上與線下客群各占一半，而部分新品牌則在線下更具導流優勢。

有了 CDP 整合數據，美而快得以建立「雙向引流、數據貫通」的 OMO 策略，聚焦顧客行為與場域偏好，讓每一個接觸點都更精準、更有價值。

CDP 驅動商品決策，預測力成關鍵競爭力

讓數據真正驅動企業運作，關鍵在於能否跨出行銷部門，擴展至商品、內容與營運等決策核心。對美而快而言，這樣的延伸雖仍在逐步建立，卻已有方向。

服飾業的商品多為非結構化資料，細節如剪裁、材質、風格等變化極大，加上時尚週期更迭快速，除了基本的品類與顏色，很難建立細緻穩定的分類模型。即便如此，美而快仍透過 CDP 進行購物行為分析，掌握哪些商品高瀏覽但未轉換、哪些品項吸引新客，並回饋給內容與商品團隊，作為優化依據。「我們希望透過 CDP 協助商品開發，更細緻地理解交易失敗的新客行為，去改善、去優化，」王志仁表示。

「對零售業來說，不管是 AI 還是數據，最終目標都是『預測』。預測商品熱度、預測顧客行為、預測營收走向——能預測，才能控制成本、降低風險。而『數據』是每天必須做到的基本功。如果沒有奠定基礎，就無從發揮後續價值。」王志仁強調，一步一步把數據的基本功打穩，紮實累積、系統性整合，CDP 才能發揮價值，為預測力打下基礎。